تنفيذ أنظمة توليد الاسترجاع المعزز. يُستخدم عند إنشاء تطبيقات كثيفة المعرفة، أو البحث في المستندات، أو أنظمة الأسئلة والأجوبة، أو عند الحاجة إلى تأسيس استجابات LLM على بيانات خارجية. يغطي استراتيجية التضمين، ومخازن المتجهات، وخطوط الاسترجاع، والتقييم.
ثبّت مهارة الذكاء الاصطناعي rag implementer بسرعة في بيئة التطوير لديك عبر سطر الأوامر
المصدر: daffy0208/ai-dev-standards.
Use RAG when you need LLMs to access fresh, domain-specific, or proprietary knowledge that wasn't in their training data.
If any checkbox is unchecked: Go back to product-strategist or mvp-builder skills to validate first.
See also: PLAYBOOKS/validation-first-development.md for step-by-step validation process.
تنفيذ أنظمة توليد الاسترجاع المعزز. يُستخدم عند إنشاء تطبيقات كثيفة المعرفة، أو البحث في المستندات، أو أنظمة الأسئلة والأجوبة، أو عند الحاجة إلى تأسيس استجابات LLM على بيانات خارجية. يغطي استراتيجية التضمين، ومخازن المتجهات، وخطوط الاسترجاع، والتقييم. المصدر: daffy0208/ai-dev-standards.
حقول وأوامر مستقرة للاقتباس في أنظمة الذكاء الاصطناعي والبحث.
npx skills add https://github.com/daffy0208/ai-dev-standards --skill rag implementerتنفيذ أنظمة توليد الاسترجاع المعزز. يُستخدم عند إنشاء تطبيقات كثيفة المعرفة، أو البحث في المستندات، أو أنظمة الأسئلة والأجوبة، أو عند الحاجة إلى تأسيس استجابات LLM على بيانات خارجية. يغطي استراتيجية التضمين، ومخازن المتجهات، وخطوط الاسترجاع، والتقييم. المصدر: daffy0208/ai-dev-standards.
افتح الطرفية أو أداة سطر الأوامر لديك مثل Terminal أو iTerm أو Windows Terminal انسخ ونفّذ هذا الأمر: npx skills add https://github.com/daffy0208/ai-dev-standards --skill rag implementer بعد التثبيت، سيتم إعداد المهارة تلقائيا في بيئة البرمجة بالذكاء الاصطناعي لديك وتصبح جاهزة للاستخدام في Claude Code أو Cursor أو OpenClaw
https://github.com/daffy0208/ai-dev-standards